基于深度强化学习的移动机器人路径规划方法

本发明公开了基于深度强化学习的移动机器人路径规划方法，涉及机器人路径规划技术领域；本发明中将移动机器人路径分为全局规划和局部避障，局部避障通过BiLSTM‑D3QN模型实现；通过BiLSTM模型的决策分支分析第一传感数据得到决策参数，将决策参数与设定的参数阈值进行比较判定是否进行局部避障；在确定需要进行局部避障时，BiLSTM模型输出避障参数，再利用D3QN模型生成局部避障路径，实现移动机器人的自主避障；本发明中BiLSTM模型通过双向捕捉时序数据的上下文依赖关系，能够同时融合前向和后向的时序特征，利用多维度数据判断是否需要进行局部避障，明确局部避障的接入时机，提高局部避障的准确性和可靠性。